WEKA平台應用

最新 05-28

機器學習主要分為有監督學習(supervisedlearning)和無監督學習(unsupervised learning)。

監督學習，就是人們常說的分類，通過已有的訓練樣本去訓練得到一個最優模型（這個模型屬於某個函數的集合，最優則表示在某個評價準則下是最佳的），再利用這個模型將所有的輸入映射為相應的輸出，對輸出進行簡單的判斷從而實現分類的目的，也就具有了對未知數據進行分類的能力。

例如：在人對事物的認識中，我們從孩子開始就被大人們教授這個是樹木，那是花，等等。我們所見到的景物就是輸入數據，而大人們對這些景物的判斷結果就是相應的輸出。當我們見識多了以後，腦子裡就慢慢地得到了一些泛化的模型，這就是訓練得到的那個函數，從而不需要大人在旁邊指點的時候，我們也能分辨的出來哪些是樹木，哪些是花。監督學習里典型的例子就是KNN、SVM。

無監督學習與監督學習的不同之處，在於我們事先沒有任何訓練樣本，而需要直接對數據進行建模。

例如：我們去參觀一個畫展，我們完全對藝術一無所知，但是欣賞完多幅作品之後，我們也能把它們分成不同的派別（比如哪些更朦朧一點，哪些更寫實一些，即使我們不知道什麼叫做朦朧派，什麼叫做寫實派，但是至少我們能把他們分為兩個類）。無監督學習里典型的例子就是聚類了。聚類的目的在於把相似的東西聚在一起，而我們並不關心這一類是什麼。

機器學習平台比較

機器學習平台提供了從頭到尾完成一個機器學習項目的功能，包括數據分析，數據準備，建模和演算法評估及選擇。常用的機器學習平台有：（1）WEKA：一款免費開源的機器學習和數據挖掘可視化工具軟體，其操作簡便，運行速度快，尤其適合小規模的機器學習建模，適合於科研探索和機器學習入門人員等；（2）RapidMiner：在機器學習領域應是一個全面綜合的軟體工具，在演算法和可視化效果方面都很突出，特別適用於不同數據的多方面分析和研究，適用於數據和業務分析人員；（3）Knime：接近RapidMiner，但界面比較複雜，比較適合開發人員，尤其是具備Eclipse開發經驗的人員。